三分仓容克式空号预热器安装方案优化探讨

本人有幸参加了深圳西部电厂、华能汕头电厂、粤电汕尾电厂的锅炉本体空气预热器的安装工作。粤电汕尾电厂在安装过程采用了本人经验中最优安装方案，这里对该安装方案深入分析，总结经验。以便日后给安装人员提供技术参考，少走弯路，提高效率。     

二阶变系数齐次线性微分方程与黎卡提方程

工程上有许多问题归结为求二阶线性变系数齐次微分方程y″ p1(x)y′ p2(x)y=0的解，但解这个方程一般情况下是比较困难的。就已知该方程一个解和已知黎卡提方程z′=-[x^2 p1(x)x p2(x)]的一个解2种形式给出了该方程的通解的表达式，同时，又揭示了二阶线性变系数齐次微分方程与黎卡提方程的内在联系。     

分层次教学模式在背越式跳高教学中的应用

通过教学实验，将跳高教学过程实施分层次教学，即把教学内容分程序，教学对象分层次，并对不同的教学程序和不同的教学对象给予不同的教学方法和手段．制定出相应的层次目标，结果表明，这样可以充分调动学生学习的积极性，使各层次的学生在各自的起点上获得最佳的学习效果，实现了教学方法和手段的优化组合，使教学过程具有科学性、高效性和实用性。     

激趣培能增效提质

目前，在一些地区、学校学生厌学情况严重，学生学习兴趣不浓，学习动力不足，学习态度松懈，学习成绩太差。上课时注意力不集中，喜欢做小动作，不愿意回答问题，抄袭他人作业，从而表现出不同程度的的厌学情绪。造成这种现象的因素很多，从心理因素上看，有智力因素和非智力因素。智力因素是学生赖以获得知识的直接因素，是学生学习活动的基础；动机、兴趣、情感、意志、性格等非智力因素对学习活动起强化和推动作用，对学习的效果也具有增强作用。如果一个学生没有学习动机和兴趣等因素的驱动和调节，那么即使智力水平再高，也难以搞好学习。     

基于混沌-量子粒子群的分簇路由算法

针对粒子群分簇路由优化算法存在的收敛速度慢、 易陷入局部最优等问题, 提出一种混沌-量子粒子群 的双子粒子群分簇路由算法。 该算法以簇头的能量、 簇头与汇聚节点的距离以及与簇内成员节点的距离构造 最优簇头的代价函数, 主粒子群利用混沌粒子群寻优, 辅粒子群利用量子粒子群寻优, 加入量子波动理论, 使 算法具有较好的全局收敛性。 双子粒子群采用收敛速度快的凹函数递减策略优化权重。 仿真结果验证了该算 法可使无线传感网络节点能量消耗均衡化, 显著延长网络生命周期, 与 LEACH(Low-Energy Adaptive Clustering Hierarchy)协议、 PSO-C(Cluster setup using Particle Swarm Optimization algorithm)协议相比生命周期分别延长了 80. 1%和 41. 4%。     

基于神经网络分位数回归的行业成本预测研究

针对成本在经济学系统中变化的非对称,与其影响因素之间的非线性关系,提出采用神经网络分位数回归法来研究成本与各影响因素之间的联系,并进行成本预测;该方法不仅可以通过神经网络结构模拟经济系统中非线性关系,还可以通过分位数回归功能揭示各影响因素对成本整个条件分布的影响规律;通过实证结果分析,神经网络分位数回归模型相较于OLS回归模型和分位数回归模型其预测精度更高,且揭示了各因素的影响规律,所以神经网络分位数回归模型的分析结果更科学,更有价值,更有助于相关管理决策者进行成本分析、控制和管理。     

基于二层分解技术和改进极限学习机模型的PM_(2.5)浓度预测研究

准确的PM_(2.5)浓度预测对于保护公众健康和提高空气质量有重要意义,然而,由于PM_(2.5)浓度序列的随机性、非线性以及非平稳性等特征增加了对其准确预测的难度.本文提出了一种基于二层分解技术和改进极限学习机(ELM)模型的PM_(2.5)浓度预测方法,该方法融合了快速集成经验模态分解(FEEMD)和变分模态分解(VMD)两种分解技术以及经过差分演化(DE)算法优化的ELM模型.为了验证所提出预测方法的有效性,本文使用该方法对北京市和石家庄市的PM2.5浓度序列进行了预测研究.结果表明:1)相比于单层分解技术,本文提出的二层分解技术可以更加有效地降低PM2.5浓度序列的非线性及非平稳性特征;2)基于二层分解技术的DE-ELM预测模型可以显著提高PM_(2.5)浓度的预测精度.     

非扩张半群公共不动点与广义变分不等式 解的迭代收敛性

引入一种新的非扩张半群显式粘滞迭代算法,使用这种显式粘滞迭代算法,在较弱条件下,在Hilbert空间中建立了非扩张半群公共不动点集与具有α-可逆g-强单调映象的广义变分不等式解集的公共元素的强收敛定理,推广和改进了相关结果.     

一类区域分数阶Schrdinger方程的基态解

用变分方法研究了区域分数阶Schrdinger方程(-Δ)_ρ~αu+V(x)u=f(x,u)x∈R~N,u∈H~α(R~N)获得了该方程基态解的存在性.     

降低OFDM系统复杂度的改进SLM算法

为了降低正交频分复用(OFDM)系统中传统选择性映射(SLM)算法的计算复杂度,提高系统的频谱利用效率,提出了基于转换向量(conversion vectors)与随机筛选序列(random selection sequences)相结合的选择性映射(CR-SLM)算法.CR-SLM算法是将原始信号序列等分,然后对于数据序列的前半部分与转换向量相乘进行循环卷积,对于数据序列后半部分进行随机序列筛选,筛选出最优序列.最后将两部分输出序列合并生成候选序列,筛选出最优序列进行传输.仿真结果表明:CR-SLM算法在保持与传统SLM 算法PAPR性能相近的情况下,较大幅度降低了计算复杂度.